二、基本算法之DFS、BFS和A*

         图中节点的遍历和搜索是老生常谈的话题，这里借由python的networkx库，复习一下之前的BFS和DFS，并对A*做一些理解。

 1.BFS 广度优先搜索

         其基本思想是优先从当前节点的邻居节点开始搜索，如果搜索不到，再搜索邻居的邻居。其在算法设计的时候，主要考虑节点的标记和邻居的保存

         利用全局变量time进行计时，在pre列表中保存每个节点的父节点。

         整体流程如下：

               (i)从G中任取一个节点i，检查是否访问过了（可以通过检查相应的pre元素是否为-1）

               (ii)初始化：将节点i放入一个双端队列visit_list

               (Ⅲ)检验队列是否为空，不为空，则从左边取一个节点，将其尚未访问的所有邻居放入双端队列中(从右端放入)，并设置邻居节点的父节点（假设为j）即pre[j]=i；如果队列为空，则算法结束

import networkx as nx
from collections import deque
def BFS_visit(i,G=nx.Graph(),visit_time=[],pre=[]):
    global time
    visit_list=deque()
    visit_list.append(i)
    while visit_list:
        visit=visit_list.popleft()
        print visit
        time=time+1
        visit_time[visit-1]=time
        for node in G:
            if G.has_edge(visit,node) and visit_time[node-1]==-1 and node not in visit_list:
                visit_list.append(node)
                pre[node-1]=visit

def BFS(G=nx.Graph()):
    pre=[]
    visit_time=[]
    i=1
    components=0
    while i<=G.number_of_nodes():
        pre.append(-1)
        visit_time.append(-1)
        i=i+1
    for node in G.nodes():
        if pre[node-1]==-1:
            BFS_visit(node,G,visit_time,pre)
            components=components+1
    print 'components',components

time=0
G=nx.Graph()
G.add_edges_from([(1,2),(1,3),(2,4),(2,5),(3,6),(4,8),(5,8),(3,7)])
BFS(G)

运行的结果是

2.DFS 宽度优先搜索

       其基本思想是随机邻居节点访问，如果邻居节点都访问过了，则回溯到其父节点，直到图中所有节点都被访问过了。